电子接插件在线质量检测研究

近年来,电子信息产业的迅猛发展,作为配套支持的接插件的生产规模也不断扩大。由于电子设备厂商对接插件的质量要求越来越高,接插件的检测也得到了越来越多的重视。由于检测速度快、运行稳定可靠的特点,机器视觉检测技术被广泛用于对接插件外观质量的在线检测。本文应用机器视觉检测技术对电子接插件质量进行了在线检测研究,并以其典型的冲压质量缺陷的检测为例对机器视觉在线检测系统的构成、核心处理模块、应用中存在的问题以及解决问题的新方法进行阐述,最后针对系统的可靠性进行了分析。     

基于机器视觉的裂纹缺陷检测技术

介绍了一种机器视觉应用于某零件表面裂纹缺陷的自动检测技术。其搭建采集系统对待测零件进行图像采集,应用图像校准,图像比较和区域描述技术进行缺陷的识别和分析。实验证明该方法能很好地实现零件表面裂纹缺陷的自动判别和定量检测。     

基于红外和可见光图像融合的铺丝缺陷检测方法

为提高纤维自动铺放(AFP)的质量,分析了目前视觉检测技术中单光谱检测技术成像的局限性,提出一种基于深度学习的红外与可见光联合检测缺陷手段以实现对铺放缺陷的检测、定位和分类。利用热红外图像与可见光图像中易检缺陷种类不同的特点,采用特征融合网络将两种光谱信息融合从而改善检测效果。考虑在线检测对实时性要求较高,为提高检测速度,采用单阶段检测网络作为检测框架,并依据纤维缺陷的长宽比分布严重不均的特点分析了单阶段检测网络中基于锚框方法的不足,提出采用无锚框的检测框架,增加改进的特征金字塔网络结构进行多尺度预测。以全类平均正确率(mAP)为衡量指标,实验结果相比单光谱检测方法、基于锚框检测方法和未使用改进特征金字塔结构分别提升了6.30%、6.64%和1.02%。通过Tensor RT加速后检测网络对每张608像素×608像素图像的检测时间小于20 ms,满足实时检测的需求,检测平均召回率超过88%,平均精确率超过82%,满足生产准确度需求。数据在试验台进行离线检测验证得出,并在大型龙门铺丝机上进行了在线测试。     

铝壳体电连接器耐蚀性评估方法研究

通过分析国内外盐雾试验手段和铝壳体电连接器标准中耐蚀性能的要求,提出通过铝壳体电连接器要害部位腐蚀点大小、数量和位置的定量评价来客观地评估铝壳体电连接器耐蚀性能的方法,为军用铝壳体电连接器耐蚀性能提供明确、统一的界定依据和定义。     

基于机器视觉的半导体表面缺陷检测研究

半导体的广泛应用使得人们对其质量要求越来越高。半导体生产过程中塑封表面缺陷的检测得到更多生产厂家的重视。本文对SOT-23封装式半导体的表面塑封缺陷进行了研究,改进并优化半导体质量缺陷检测系统,通过边缘检测算法提取半导体管体的塑封边缘,确定被检管体的位姿,缩小检测范围,使用基于边缘点的模板匹配算法来判断字符的完整性,最后利用差影法准确地检测出塑封缺陷。经工厂试用后,结果显示此系统能有效地检测出表面质量缺陷。目前此系统已在工厂正式使用。     

基于机器视觉的玻璃瓶检测系统

随着数字图像处理技术的发展,图像检测的应用逐渐成为许多工程应用中的关键技术。文中阐述了在玻璃瓶检测中,利用数字图像处理技术设计的检测系统的结构、实现原理和实现方法;通过像素坐标平均法进行瓶口定位,利用环形扫描法对有瓶口裂缝、瓶口缺口、瓶颈裂缝等缺陷的玻璃瓶进行检测,实现了准确、快速、无接触检测的功能。     

基于CCD的叶片气膜孔快速检测技术研究

研制了一套基于CCD的叶片气膜孔快速检测系统,采用机器视觉的方法,配合四轴测量机构,实现在叶片围绕轴线旋转的同时采集气膜孔的图像,然后利用Halcon图像处理算法库实现图像处理,并计算出气膜孔的尺寸参数。通过对某厂的叶片进行了测量实验,实现了对气膜孔轴线方向和直径的测量,弥补了气膜孔无法定性检测的技术空白,具有推广应用价值。     

基于解调测量法的加工中心刀具检测系统

分析了用硬件解调测量法进行刀具边缘轮廓特征点提取的原理和方法,给出了一种基于该方法的,具有刀形检测功能的二维视觉刀具检测系统。并给出了形成刀具测量参数的数学模型及测量实验数据     

材料缺陷视觉检测及公差测量关键技术研究

在研究分析了竹板基材外形特点、表面缺陷特征的基础上,设计了竹板基材缺陷视觉检测及公差测量系统;根据双目视觉原理,经曲线曲率特征匹配方法,可计算得到光条上曲率绝对值最大值点的空间位置和深度;结合基材尺寸的公差测量方法,可实现基材宽度与厚度的测量;针对竹板基材纹理表面的复杂性,提出了基于小波分解与聚类思想的基材缺陷检测算法,实现了对基材缺陷的视觉检测:并用实验进行了验证.     

降低2PX型连接器灌胶硫化故障率方法研究

连接器是飞机电缆与机载设备连接的重要元件.电连接器不仅需要满足一般的电气性能要求,更重要的是必须保证接触良好、密封可靠,连接器的灌胶质量对于提高飞机安全性能至关重要.本文分析了2PX型连接器灌胶故障形式,提出了解决方法.     

基于图像特征融合的粉末床缺陷检测方法

针对单一特征对粉末床缺陷表达不明确导致检测效果不佳的问题,提出了一种基于特征融合的增材制造过程粉末床缺陷视觉检测方法。该算法分别使用SIFT方法、灰度共生矩阵和Hu不变矩提取尺度空间特征、纹理特征和几何特征,借助词袋模型对每张图像构建3组视觉单词直方图,通过串行融合3组视觉单词直方图得到新的特征矩阵,采用特征选择对融合后特征矩阵进行降维,并传入随机森林分类器中进行训练。实验结果表明,不同特征对粉末床不同类型缺陷检测具有不同的贡献,优化特征融合参数后,算法平均准确率达到97.46%,缺陷检测效果明显提升。     

飞机尾旋三维测量试验的改进方法

飞机尾旋试验是研究飞机进入尾旋特征以及提出如何改出尾旋的方法。传统测量飞机尾旋运动姿态的实验自动化程度低、人工操作复杂费时,因此针对这些问题开发了一套基于特征点测量的改进方法。主要是基于机器视觉的三维测量原理,能动态测量飞机模型的三维特征点并计算出模型的各个姿态角度。在标记检测时采用了新的标记检测方法,提高了标记布局及图像识别的灵活度;姿态角的计算是根据坐标系转换而得到的。根据改进方法研制的系统操作简单、整个测量过程只需30min左右;并且数据有效率控制在90％以上;姿态角的精度控制在±1°以内。该系统在中国空气动力研究与发展中心立式风洞中的飞机自由尾旋实验中得到了很好的应用。     

基于小波变换的遥感图像边缘检测方法研究

遥感图像处理对于航空、航天、军事侦察、灾害预报等许多军事和民用领域至关重要,本文针对遥感图像的特点,提出了一种基于小波变换的图像边缘检测方法,同时还对小波变换在图像处理中的适用性进行了详细分析。由实验结果表明,本文方法可以获得非常细致有效的边缘信息,在有效抑制噪声的同时,提高了边缘定位精度。     

基于深度学习的自冲铆接偏铆缺陷检测算法研究

自冲铆接技术适合铝钢等异种材料连接,接头性能可靠,在航空工业中有着广阔的应用场景,但目前针对自冲铆接缺陷无损检测的相关研究较少。提出了基于深度学习的自冲铆接偏铆缺陷检测算法,首先通过剪切力学性能试验得出偏铆自冲铆接件相较于正常铆接件力学性能下降了5.6%;然后通过自冲铆接偏铆件外部形貌特征将偏铆程度由外部特征定义在0～10的区间;最后探究了单步检测同双步检测间的检测效果差异,提出了YOLOv5s(You Only Look Once v5s)加ResNet18的检测方案,并通过Grad-CAM(Gradient-Weighted Class Activation Mapping)对不同检测方案的效果差异进行了可视化的解释。测试表明,提出的YOLOv5s加ResNet18的检测方案在所采集的数据测试集中可以达到100%正确率,高于仅用YOLOv5s取得的95.18%正确率,远高于仅用ResNet18取得的84.1%正确率。     

基于双目视觉的钣金件边缘检测技术研究与系统开发

针对钣金类零件边缘的快速精确检测需求,设计并开发了一套基于双目视觉的钣金件边缘检测原型系统(SMEIS)。手持式测量装置围绕表面贴有圆形标记点的被测钣金件边缘连续移动,同时测量装置中的线激光发射器向钣金件边缘投射激光条纹,双目相机实时获取同步图像并传输至计算机;系统软件通过并行处理模式实时对输入图像中的激光条纹中心点进行增量式三维重建,实现对钣金类零件边缘的高效检测。阐述了系统的工作流程和软、硬件结构,并对其中的硬件结构布局、激光条纹中心点实时提取以及三维测点实时拼接等关键技术作了详细讨论。对实际钣金零件边缘的现场检测试验结果表明,SMEIS系统的检测速度大于30fps,且获得的点云数据质量良好。对1mm厚度的平面侧壁检测试验表明,SMEIS系统的平均检测误差约为0.04mm,标准差约为0.03mm。     

基于目标纹理的机器视觉转角检测方法

目标姿态角度检测系统是确保智能制造设备自动化、智能化的核心部件之一,在智能制造设备中得到了广泛的应用。提出了一种基于目标纹理的机器视觉转角检测算法,该算法通过椭圆聚类提取图像中的感兴趣区域,采用Hough梯度变换寻找感兴趣区域中包含特定纹理特征的区域,结合先验信息对特征区域进行标记、匹配,进而计算出待测物体的滚转角度,算法的运行耗时小于0.5s。采用该算法实现了浮子组件在浮液中的径向滚转角检测,并模拟实际检测环境测试了该算法的精度。测试结果表明,绝对精度小于0.3°,重复性精度小于0.08°,满足实际生产现场对检测精度的要求,解决了人工检测精度低、耗费人力的问题,提升了浮子转角检测的精度和智能程度。     

基于边缘与非边缘分开处理的印刷品缺陷检测

针对印刷品缺陷检测问题,通过对经典缺陷识别算法的研究,提出了一种边缘点与非边缘点分开处理的印刷品检测缺陷识别算法。算法以统计过程原理为出发点,根据边缘点和非边缘点不同的像素特征,对非边缘点采用统计阈值法处理,对边缘点采用邻域平均值与梯度值相结合的算法处理。该算法经过实验证明,能够有效地剔除伪疵点,提取出真正的缺陷。     

单目相机物体位姿估计方法研究

现有的机器视觉通常以边缘轮廓和角点作为特征,因此要求背景单一,对环境结构化依赖程度高。为了拓展机器人的应用范围,使其脱离结构化的环境,提出了一种基于SIFT特征点和PNP技术的单目相机估计目标物体位姿的方法。以BumbleBee双目相机为硬件基础,以C++为开发平台,结合了Eigen计算库、OpenCV图像处理库和Triclops库,开发了单目视觉位姿估计算法,实现在复杂背景下对表面纹理较为丰富的物体的位姿估计。利用试验对所提方法进行了验证,试验结果表明,该算法具有较高的估计精度,可以作为机器抓取的依据。     

无人机自动着陆中的机器视觉辅助技术

设计了一套辅助无人机自动着陆的机器视觉系统。该系统由机载硬件设备和用户开发软件共同组成,用以完成数字图像处理任务和无人机运动参数估计任务。系统传感器包括一个单目摄像机和机载惯性陀螺;数字图像处理使用的主要算法有图像的轮廓提取、角点检测和模版匹配。基于角点处各个方向上灰度差变化较大的特征,依据最小核值相似(SUSAN)算法和角点几何结构分析,提出一种改进的角点特征提取算法;根据任务开发的位置参数估计算法依据摄像机透视投影理论,运用摄像机成像标定方法导出了一种高精度的位置测量模型。通过计算机仿真表明,所提出的计算机视觉位置参数估计算法可以达到无人机着陆过程的精度要求。